Ubuntu+Anaconda+Pytorch+Pycharm深度学习环境搭建过程
准备工作
安装显卡驱动并查看Cuda对应版本
按照ubuntu推荐的版本就好，或者可以自己去Nivdia官网查看自己显卡所对应的显卡驱动，在这不过多赘述
##通过nvidia-smi查看自己的CUDA 驱动版本
##可以看到我们这里是11.4的版本
~$ nvidia-smi
Thu Jul 7 12:32:43 2022
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.129.06 Driver Version: 470.129.06 CUDA Version: 11.4 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... Off | 00000000:06:00.0 Off | N/A |
| N/A 41C P0 N/A / N/A | 356MiB / 2002MiB | 26% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 2802 G gnome-control-center 1MiB |
| 0 N/A N/A 22384 G /usr/lib/xorg/Xorg 128MiB |
| 0 N/A N/A 22570 G /usr/bin/gnome-shell 46MiB |
| 0 N/A N/A 23781 G /usr/lib/firefox/firefox 154MiB |
| 0 N/A N/A 30282 G ...RendererForSitePerProcess 23MiB |
+-----------------------------------------------------------------------------+
##但是我们在使用nvcc -V命令后，发现CUDA版本为9.1
~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85
两者不一致，想着重装cuda呗，但是又害怕给我系统整坏了
具体原因：[显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？]
所以选择使用Anaconda来安装虚拟环境，方便管理和日后其他环境的搭建
Anaconda
在官网Anaconda中下载对应的版本
进入下载的目录中，在终端中打开,输入.sh可执行文件
sh Anaconda3-2022.05-Linux-x86_64.sh
换源
sudo gedit ~/.condarc
将内容换成
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
report_errors: false
auto_activate_base: false
创建自己的虚拟环境并激活
##这里python=x.x并不是必须的，依照自己情况而定
conda create -n your_env_name python=x.x
##激活自己的虚拟环境
~$ conda activate Mypytorch
(Mypytorch)~$
后续cuda和cudnn以及其他的一些安装包都可以在这个虚拟环境中安装
查看anaconda中cuda版本
(Mypytorch) ~$ conda search cudatoolkit
Loading channels: done
# Name Version Build Channel
cudatoolkit 9.0 h13b8566_0 anaconda/pkgs/main
cudatoolkit 9.2 0 anaconda/pkgs/main
cudatoolkit 10.0.130 0 anaconda/pkgs/main
cudatoolkit 10.1.168 0 anaconda/pkgs/main
cudatoolkit 10.1.243 h6bb024c_0 anaconda/pkgs/main
cudatoolkit 10.2.89 hfd86e86_0 anaconda/pkgs/main
cudatoolkit 10.2.89 hfd86e86_1 anaconda/pkgs/main
cudatoolkit 11.0.221 h6bb024c_0 anaconda/pkgs/main
cudatoolkit 11.3.1 h2bc3f7f_2 anaconda/pkgs/main
根据自己电脑的显卡去选择CUDA版本
查到自己需要安装的cuda版本后，执行
#x.xx是你所需要安装的版本，记得在上面serach的cuda版本中找
~$ conda install cudatoolkit=x.xx
耐心等待下载完成
安装对应版本的cuDNN
在截取的部分中，我们看到CUDA 11.x对应cuDNN v8.2.1
#通过conda search也能够知道自己所需要下载的版本
(Mypytorch)~$ conda search cudnn
Loading channels: done
# Name Version Build Channel
cudnn 7.0.5 cuda8.0_0 anaconda/pkgs/main
cudnn 7.1.2 cuda9.0_0 anaconda/pkgs/main
cudnn 7.1.3 cuda8.0_0 anaconda/pkgs/main
cudnn 7.2.1 cuda9.2_0 anaconda/pkgs/main
cudnn 7.3.1 cuda10.0_0 anaconda/pkgs/main
cudnn 7.3.1 cuda9.0_0 anaconda/pkgs/main
cudnn 7.3.1 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.0 cuda10.0_0 anaconda/pkgs/main
cudnn 7.6.0 cuda10.1_0 anaconda/pkgs/main
cudnn 7.6.0 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.0 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.4 cuda10.0_0 anaconda/pkgs/main
cudnn 7.6.4 cuda10.1_0 anaconda/pkgs/main
cudnn 7.6.4 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.4 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.0_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.1_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.2_0 anaconda/pkgs/main
cudnn 7.6.5 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.5 cuda9.2_0 anaconda/pkgs/main
cudnn 8.2.1 cuda11.3_0 anaconda/pkgs/main
#下载对应版本即可
~$ conda install cudnn=x.xx
耐心等待下载完成
安装pytorch
选择需要的pytorch版本和对应的cuda版本
假设我们安装 pytorch=1.10.0
# CUDA 11.3
~$ conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch
耐心等待下载完成即可
下载完成后别急着验证，我们先安装一些依赖
~$ conda install numpy mkl cffi
耐心等待下载完成
环境验证
(Mypytorch)~$ python
Python 3.6.13 |Anaconda, Inc.| (default, Jun 4 2021, 14:25:59)
[GCC 7.5.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True #返回true，说明环境配置成功
至此，深度学习环境基本配置完成
Pycharm
在环境配置完成后，单纯的使用命令行肯定是不方便我们开发的，所以博主采用pycharm进行后续的学习
具体操作见上述博文，不在此赘述
在新建项目中，选择先前配置的解释器，找到之前所配置的conda环境，之后点击创建即可
简单测试，验证完成
后记
博主后续的学习需要用到opencv，胡乱在conda中下载了一个版本，能用，但是在pycharm中没有代码补全功能，试了网上的很多办法，并不能够解决自己的问
题，后面发现需要python版本与opencv版本对应，才是保险不容易出错的办法
方法如下:
#查看自己虚拟环境中的python版本
(Mypytorch) ~$ python --version
Python 3.6.13 :: Anaconda, Inc.
网站内链接中的cp36、cp27即表示对应的python3.6、python2.7
从中找到自己所对应的opencv版本即可
#利用如下命令可以找到opencv-python有多少版本
(Mypytorch)~$ pip install opencv-python==
ERROR: Could not find a version that satisfies the requirement opencv-python== (from versions: 3.1.0.5, 3.2.0.7, 3.2.0.8, 3.3.0.9, 3.3.0.10, 3.3.1.11, 3.4.0.12, 3.4.0.14, 3.4.1.15, 3.4.2.16, 3.4.2.17, 3.4.3.18, 3.4.4.19, 3.4.5.20, 3.4.6.27, 3.4.7.28, 3.4.8.29, 3.4.9.31, 3.4.9.33, 3.4.10.35, 3.4.10.37, 3.4.11.39, 3.4.11.41, 3.4.11.43, 3.4.11.45, 3.4.13.47, 3.4.14.51, 3.4.14.53, 3.4.15.55, 3.4.16.57, 3.4.16.59, 3.4.17.61, 3.4.17.63, 3.4.18.65, 4.0.0.21, 4.0.1.23, 4.0.1.24, 4.1.0.25, 4.1.1.26, 4.1.2.30, 4.2.0.32, 4.2.0.34, 4.3.0.36, 4.3.0.38, 4.4.0.40, 4.4.0.42, 4.4.0.44, 4.4.0.46, 4.5.1.48, 4.5.2.52, 4.5.2.54, 4.5.3.56, 4.5.4.58, 4.5.4.60, 4.5.5.62, 4.5.5.64, 4.6.0.66)
ERROR: No matching distribution found for opencv-python==
下面使用
#清华源下载，快很多
~$ pip install opencv-python==3.2.0.7 -i https://pypi.tuna.tsinghua.edu.cn/simple
代码提示出现，完成配置
引用
深度学习环境配置 Ubuntu 18.04 + Anaconda + CUDA + Cudnn + Pytorch 【亲测可用】
原创文章，作者：dweifng，如若转载，请注明出处：https://blog.ytso.com/271835.html